OpenEvidenceが医師から実際に信頼される医療AIを構築した方法

アンディ・ユンがSlackをスクロールしていると、あるメッセージが目に入った：OpenEvidenceがTikTokでバイラルになっているという。 「注目を集めつつある」ではなく、実際にバイラルで、1週間足らずで約200万回視聴に達していた。 通常なら、チームを総動員し、緊急対応体制を整え、本当はかけたくない電話をかけ始めるような状況だ。 フロントエンドリードエンジニアのアンディは、そのようなことは何もしなかった。 代わりに、彼は数字が上昇するのを見守った。ログを確認すると——すべて正常。応答時間：依然として高速。エラー率：依然としてほぼゼロ。その後、彼は以前の作業に戻った。修正すべきことは何もなかったからだ。 「Vercelはその使用量に完全にスケールしてくれました」と彼は言う。「容量不足でダウンしたことも、追加で何かをプロビジョニングしなければならなかったこともありません。それがそこにあると信頼できること、私たちがそれをほとんど意識しなくてよいほどに信頼できることは、素晴らしいことです。」 これは、彼らがほとんどの医療技術企業がまだ解決できていない問題を解決した証拠だった。すなわち、病院レベルの信頼性基準を満たしながら、スタートアップのスピードで動く方法である。 失敗が許されないとき OpenEvidenceのような企業にとって、その賭け金は異なる。もし彼らの製品が失敗すれば、誰かが誤った医療判断を下す結果につながりかねない。 OpenEvidenceは、米国の臨床医の間で最も広く使用されている臨床意思決定支援プラットフォームであり、2026年1月には2000万件以上の臨床相談をサポートしている。昨年は、1億人以上のアメリカ人がOpenEvidenceを使用する医師の治療を受けた。 汎用モデルは間違っても許されるが、臨床ツールはそうではない。医師はスピードを求めるが、同時に安定性、明確さ、信頼性も求める。 このプレッシャーは、OpenEvidenceにおけるあらゆる技術的決定の前提となっている。それは毎回、確実に機能しなければならない。 フロントエンドエンジニアとPython開発者チーム アンディが約3年前にOpenEvidenceに参加したとき、彼はほとんどのフロントエンドエンジニアを不安にさせる事実を発見した。彼が基本的に唯一のフロントエンドエンジニアだったのだ。 「私は、実際のフロントエンドのバックグラウンドを持つ、チームでほぼ唯一のエンジニアでした」と彼は言う。「チームの大半はPythonと機械学習を扱っています。」 彼らには、常に監視が必要なインフラを維持する余裕はなかった。必要なのは、ただ機能するものだった。コードをデプロイすれば、それが本番環境に反映される。トラフィックが増加すれば、スケールする。 そこでOpenEvidenceはハイブリッドアーキテクチャを採用した。バックエンドはPythonで構築され、Google Cloud Platform上で実行される。データの取り込み、モデルのオーケストレーション、およびコアビジネスロジックを処理し、一方フロントエンドはNext.jsで構築され、Vercelにデプロイされている。 「私たちのエンジニアリングチームの構成を考えると、Vercelはフロントエンドのスケールに本当にうまく対応してくれています」とアンディは指摘する。 各コミットは自動的にデプロイされる。本番環境へのデプロイには5分かかる。すべてのブランチに対してプレビューURLが生成される。米国の医師のほぼ半数に相当する医師のために、毎日数百万件の医療相談をサポートする小さなチームにとって、これは不可欠なものだった。 スピードのあるプロトタイピング OpenEvidenceが今日の姿になる前、それはまず何十もの別のプロトタイプだった。各コンセプト実証（proof of concept）は、カスタムドメインを持つ独自のプロジェクトとしてVercelにデプロイされた。 Vercelはこれを簡単にした。新しいプロジェクトを立ち上げ、カスタムドメインを接続し、コードをプッシュすれば、本番環境のように見えるものが手に入る。ステークホルダーはクリックしてワークフローをテストすることができた。 この数分でプロジェクトを立ち上げる能力は、チームがプロダクト・マーケット・フィットを見つけるのに役立った。また、早期の企業パートナーシップを獲得するのを容易にした。 新機能を構築する際、プレビューデプロイメントはライブデモ用の共有可能なリンクを提供する。変更は安全にロールアウトできる。なぜなら、必要に応じて即座に元に戻すことができるからだ。 90％の驚き OpenEvidenceが1000倍の成長にスケールする中、インフラストラクチャリードエンジニアのマイカ・スミスはコンピュートコストを注意深く監視していた。VercelがFluid computeを導入したとき、サーバーレスワークロードの実行方法が変わった。オンデマンド実行とサーバー並みの効率性、低遅延、負荷下での高いパフォーマンスを組み合わせたものだ。 チームは結果を確かめるためFluid computeを有効にし、サーバーレス支出は90％減少した。信頼性はそのまま。速度は向上。コールドスタートは減少。 「同じパフォーマンスを維持しながらサーバーレス支出を90％削減し、1000倍の成長にスケールアップした今でも、Vercelは総インフラ支出の5％未満です。」——マイカ・スミス、VPエンジニアリング インフラはほとんど意識されなくなった。これは、製品体験に費やす時間が増え、ツールのデバッグやサーバーのプロビジョニングに費やす時間が減ったことを意味する。 針の穴を通す 「多くの医師や医療専門家は、本当に時代遅れのソフトウェアに慣れています」とアンディは言う。 彼の言う通りだ。病院のソフトウェアはしばしば90年代に設計されたように見えるが、それらのツールは信頼性が高い。OpenEvidenceは針の穴を通さなければならない。信頼性の基準を維持しつつ、現代的なソリューションを構築するのだ。 彼らのバイラルな瞬間は、プラットフォームが病院レベルの信頼性を維持しながら、突然の流入にも対応できることを証明した。 見事に成功した。 ローンチ以来、OpenEvidenceは米国の医師の40％以上にサービスを提供するまでに成長した。フロントエンドチームは依然として小規模だ。インフラは相変わらず、ただ機能する。 OpenEvidenceについて：OpenEvidenceは米国で最も急速に成長している臨床意思決定支援プラットフォームであり、米国の臨床医の間で最も広く使用されている医療検索エンジンです。OpenEvidenceは、数十万人の検証済み医療専門家から信頼され、査読付き医学文献に基づき、出典が明示された、診療現場での重大な臨床判断を行うために使用されています。医師が命を救い、患者ケアを改善するのを助けるという使命を持って設立されたOpenEvidenceは、米国の医師の平均40％以上によって毎日使用され、全国10,000以上の病院や医療センターに広がっています。詳細はopenevidence.comをご覧ください。

OpenEvidenceが医師から実際に信頼される医療AIを構築した方法

背景や根拠まで確認しますか？

関連記事

調べる

選ぶ

サイト